前言

筆者最近正在學(xué)習(xí)Pandas數(shù)據(jù)分析，將自己的學(xué)習(xí)筆記做成一套系列文章。本節(jié)主要記錄Pandas中使用stack和pivot實(shí)現(xiàn)數(shù)據(jù)透視。

 一、經(jīng)過統(tǒng)計(jì)得到多維度指標(biāo)數(shù)據(jù)

非常場景的統(tǒng)計(jì)場景，指定多個(gè)維度，計(jì)算聚合后的指標(biāo)
實(shí)例：統(tǒng)計(jì)得到“電影評(píng)分?jǐn)?shù)據(jù)集”，每個(gè)月份的每個(gè)分?jǐn)?shù)被評(píng)分多少次:(月份、分?jǐn)?shù)1-5、次數(shù))

import pandas as pd
import numpy as np
%matplotlib inline
df=pd.read_csv(
        "./datas/ml-1m/ratings.dat",
    sep="::",
    engine='python',
    names='UserID::MovieID::Rating::Timestamp'.split("::"),
    header=None
)
df.head()

#將時(shí)間戳轉(zhuǎn)換為具體的時(shí)間
df['padate']=pd.to_datetime(df["Timestamp"],unit='s')
df.head()

df.dtypes

#實(shí)現(xiàn)數(shù)據(jù)統(tǒng)計(jì) 
# 對(duì)于這樣格式的數(shù)據(jù)，我想查看按月份，不同評(píng)分的次數(shù)趨勢，是沒有辦法進(jìn)行實(shí)現(xiàn)的，需要將數(shù)據(jù)轉(zhuǎn)換為每個(gè)評(píng)分是一列才可以實(shí)現(xiàn)。
df_group=df.groupby([df["padate"].dt.month,"Rating"])["UserID"].agg(pv=np.sum) 
df_group.head(20)

二、使用unstack實(shí)現(xiàn)數(shù)據(jù)的二維透視

目的： 想要畫圖對(duì)比按照月份的不同評(píng)分的數(shù)量趨勢

df_stack=df_group.unstack()
df_stack

df_stack.plot()

#unstack和stack是互逆的操作
df_stack.stack().head(20)

三、使用pivot簡化透視

pivot方法相當(dāng)于對(duì)df使用set_index創(chuàng)建分層索引，然后調(diào)用unstack

df_group.head(20)

df_reset=df_group.reset_index()
df_reset.head()

df_pivot=df_reset.pivot("padate","Rating","pv")
df_pivot.head()

df_pivot.plot()

四、stack、unstack、pivot的語法

1.stack

stack:DataFrame.stack(level=-1,dropna=True),將column變成index，類似把橫放的書籍變成豎放
level=-1代表多層索引的最內(nèi)層，可以通過==0,1,2指定多層索引的對(duì)應(yīng)層

2.unstack

unstack:DataFrame.unstack(level=-1,fill_value=None)，將index變成column，類似把豎放的書變成橫放

3.pivot

pivot:DataFrame.pivot(index=None,columns=None,values=None)，指定index,columns,values實(shí)現(xiàn)二維透視

總結(jié)

到此這篇關(guān)于Pandas使用stack和pivot實(shí)現(xiàn)數(shù)據(jù)透視的方法的文章就介紹到這了,更多相關(guān)Pandas stack和pivot數(shù)據(jù)透視內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！